[{"data":1,"prerenderedAt":769},["ShallowReactive",2],{"/fr-fr/blog/what-is-aiops":3,"navigation-fr-fr":40,"banner-fr-fr":446,"footer-fr-fr":456,"blog-post-authors-fr-fr-GitLab France Team":666,"blog-related-posts-fr-fr-what-is-aiops":681,"assessment-promotions-fr-fr":722,"next-steps-fr-fr":760},{"id":4,"title":5,"authorSlugs":6,"body":8,"categorySlug":9,"config":10,"content":14,"description":8,"extension":26,"isFeatured":11,"meta":27,"navigation":28,"path":29,"publishedDate":19,"seo":30,"stem":34,"tagSlugs":35,"__hash__":39},"blogPosts/fr-fr/blog/what-is-aiops.yml","What Is Aiops",[7],"gitlab-france-team",null,"ai-ml",{"featured":11,"template":12,"slug":13},false,"BlogPost","what-is-aiops",{"title":15,"description":16,"authors":17,"date":19,"body":20,"category":9,"tags":21,"heroImage":25},"Qu'est-ce que l'AIOps ?","L’AIOps est une approche qui analyse en continu vos environnements IT, anticipe les anomalies et automatise les actions essentielles pour des opérations plus fiables, plus rapides et plus simples à piloter.",[18],"GitLab France Team","2025-12-05","L’**AIOps** (*Artificial Intelligence for IT Operations*, en français « Intelligence Artificielle pour les Opérations Informatiques ») est une **approche qui utilise l’intelligence artificielle et le machine learning pour automatiser la gestion informatique**. Elle analyse en continu les données issues des systèmes, réduit le bruit des alertes, enrichit les incidents de contexte et propose des actions correctives ou prédictives en temps réel. [Introduit par Gartner en 2017](https://www.gartner.com/en/newsroom/press-releases/2017-04-11-gartner-says-algorithmic-it-operations-drives-digital-business), ce concept combine **big data, machine learning et automatisation** pour aider les équipes informatiques à superviser et optimiser leurs systèmes.\n\nConcrètement, une plateforme AIOps agrège de vastes volumes de données issus des applications, réseaux et infrastructures informatiques. Elle les **analyse grâce à l’intelligence artificielle afin d’isoler les signaux pertinents, identifier les causes racines et déclencher des actions correctives automatisées**. L’objectif n’est pas seulement de réagir plus vite aux incidents, mais surtout d’**anticiper les anomalies et de maintenir une expérience utilisateur optimale** dans des environnements multicloud et distribués de plus en plus complexes.\n\n> **[→ Essayez GitLab Ultimate et GitLab Duo Enterprise gratuitement.](https://about.gitlab.com/fr-fr/free-trial/devsecops/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr)**\n\n## Pourquoi les organisations s’intéressent-elles de plus en plus à l’AIOps ?\n\nPlusieurs tendances expliquent l’essor de l’AIOps dans les entreprises. D’abord, la **croissance exponentielle des volumes de données** rend impossible une supervision manuelle. Ensuite, la **pression sur la qualité de service et l’expérience utilisateur** ne tolère plus les interruptions prolongées. Enfin, la **généralisation des environnements hybrides et multicloud** multiplie les interdépendances et complexifie la détection des causes profondes.\n\nDans ce contexte, **les équipes informatiques ne peuvent plus se contenter de collecter et de réagir**. Elles ont besoin d’outils capables d’analyser en continu, de hiérarchiser les incidents et d’apporter une aide à la décision en temps réel. **L’AIOps répond à cette attente** en transformant la gestion opérationnelle : de réactive, elle devient proactive, et souvent prédictive.\n\n## Comment fonctionne l’AIOps ?\n\nLe fonctionnement de l’AIOps repose sur un **cycle continu d’analyse et d’automatisation** qui transforme des volumes massifs de données en actions concrètes. On peut le décomposer en plusieurs étapes complémentaires.\n\n### Collecte et unification des données\n\nLes plateformes AIOps commencent par **agréger des flux de données** provenant de sources multiples : métriques systèmes, journaux applicatifs, événements réseau, événements de sécurité, données issues d’outils ITSM (gestion des incidents, tickets) ou encore environnements cloud. Ces données sont souvent hétérogènes et redondantes, la première valeur de l’AIOps est donc de **les centraliser et de les normaliser dans un format commun**.\n\n### Nettoyage et enrichissement\n\nAvant toute analyse, les données brutes sont filtrées et nettoyées pour **éliminer le bruit** : redondances, faux positifs et alertes mineures, afin de ne conserver que les signaux pertinents. À ce stade, des techniques d’enrichissement comme la corrélation avec l’historique ou l’ajout de métadonnées permettent déjà d’améliorer la lisibilité.\n\n### Analyse et corrélation\n\nUne fois les données préparées, les **algorithmes de machine learning** prennent le relais. Ils **recherchent des corrélations, détectent des anomalies et identifient des schémas récurrents**. Par exemple, une série de dégradations de performances sur un service peut être corrélée à une mise à jour récente ou à une saturation réseau. L’AIOps permet ainsi de séparer le « signal » du « bruit » et de comprendre les causes profondes.\n\n### Détection et priorisation des incidents\n\nPlutôt que de générer des centaines d’alertes, la plateforme **hiérarchise les problèmes selon leur criticité et leur impact métier**. Un incident susceptible d’affecter directement les utilisateurs finaux est mis en avant, tandis que les anomalies de moindre importance sont regroupées ou reportées. Cette priorisation change la donne pour les équipes IT, qui peuvent concentrer leur énergie sur ce qui compte réellement.\n\n### Automatisation et remédiation\n\nLa dernière étape est celle de l’action. En fonction des scénarios détectés, la plateforme peut :\n\n- déclencher automatiquement des **workflows de remédiation** (redémarrage d’un service, scaling d’une ressource cloud, « rollback » d’une version),\n\n- **enrichir un ticket** avec toutes les données utiles pour l’équipe concernée,\n\n- ou **générer une recommandation** que l’humain valide avant exécution.\n\nAvec le temps, les modèles s’affinent grâce aux **boucles de rétroaction** : chaque correction appliquée nourrit l’historique et rend le système plus précis. C’est cette **capacité d’apprentissage continu qui distingue l’AIOps** d’une simple automatisation basée sur des règles fixes.\n\n## Quels sont les avantages de l’AIOps ?\n\nL’AIOps présente des avantages à plusieurs niveaux, qui vont bien au-delà d’une simple réduction du volume d’alertes généré par les outils de supervision et de monitoring.\n\nLe plus évident est l’**accélération de la résolution des incidents**. En corrélant automatiquement les événements et en mettant en avant les causes probables, l’AIOps réduit le temps moyen de détection (MTTD) et le temps moyen de résolution (MTTR). Là où une panne pouvait mobiliser plusieurs équipes pendant des heures, l’analyse algorithmique permet d’orienter rapidement les équipes vers le bon levier d’action.\n\nL’AIOps se distingue également par sa **capacité prédictive**. Grâce au machine learning, les systèmes AIOps ne se contentent pas de réagir aux incidents, ils peuvent anticiper des dégradations futures. Un exemple typique est la détection d’une tendance à la saturation mémoire : plutôt que d’attendre que l’application tombe, l’AIOps déclenche une action préventive.\n\nUn autre avantage réside dans la **rationalisation des opérations**. Dans des environnements multicloud ou hybrides, les équipes utilisent souvent une dizaine d’outils de monitoring différents, chacun générant ses propres alertes. L’AIOps centralise et standardise ces flux de données, ce qui permet de travailler sur une vision unifiée, beaucoup plus lisible.\n\nEnfin, l’AIOps contribue à l’**efficacité organisationnelle**. Il automatise les tâches répétitives (ouverture de tickets enrichis, redémarrage d’un service, ajustement des ressources cloud) et libère ainsi du temps pour que les équipes IT se consacrent à des projets à plus forte valeur ajoutée : améliorer la qualité logicielle, renforcer la sécurité, ou encore soutenir la transformation numérique.\n\n## Quels sont les cas d’usage concrets de l’AIOps ?\n\nL’AIOps n’est pas une idée théorique : il se déploie déjà dans de nombreux environnements IT, où il permet de **transformer la manière dont les équipes détectent et résolvent les problèmes**. \n\nVoici quelques exemples concrets de son application.\n\n### Supervision et détection d’anomalies\n\nDans un environnement applicatif complexe, les équipes doivent surveiller des **centaines de métriques en parallèle** : temps de réponse des applications déployées, charge CPU des runners CI/CD, utilisation mémoire des conteneurs, trafic réseau. L’**AIOps analyse en continu ces flux de données** pour repérer les écarts par rapport à la normale, même lorsqu’ils sont subtils. Par exemple, une légère dérive de latence sur un service critique après un déploiement via GitLab CI/CD peut être détectée et signalée bien avant qu’elle ne se transforme en panne visible pour l’utilisateur.\n\n### Analyse des causes profondes\n\nLorsqu’un incident survient, identifier rapidement la cause est souvent le plus difficile. L’AIOps croise automatiquement les événements (logs applicatifs, alertes réseau, changements de configuration) et propose des **hypothèses de causes probables**. Imaginons une indisponibilité soudaine en production : plutôt que d’examiner manuellement chaque outil de supervision, la plateforme AIOps peut corréler l’incident à une mise à jour logicielle déployée quelques minutes auparavant. \n\n### Optimisation du cloud et des environnements hybrides\n\nLe cloud offre de la flexibilité, mais aussi une complexité nouvelle. L’AIOps peut **anticiper un pic de charge en production et déclencher automatiquement le redimensionnement d’instances** pour absorber le trafic. \n\nÀ l’inverse, il peut **identifier des ressources sous-utilisées et recommander leur réduction ou leur arrêt**, contribuant ainsi à l'optimisation des coûts cloud dans une approche [FinOps](https://about.gitlab.com/fr-fr/blog/what-is-finops/ \"Qu'est-ce que FinOps ?\"). Dans des environnements multicloud, cette automatisation est précieuse pour éviter la surconsommation ou les pannes liées à la saturation, tout en maintenant une visibilité complète sur les coûts et la performance de chaque composant de l'infrastructure.\n\n### Sécurité et détection de menaces\n\nL’AIOps s’applique également à la cybersécurité. En corrélant des tentatives d’authentification suspectes avec d’autres signaux (activité réseau inhabituelle, anomalies de logs, accès à des dépôts sensibles), il peut **alerter sur une attaque en cours ou isoler automatiquement un système compromis**. \n\nDans le contexte d'une plateforme [DevSecOps](https://about.gitlab.com/fr-fr/topics/devsecops/ \"Qu'est-ce que le DevSecOps ?\") comme GitLab, l'AIOps permet d’analyser les logs d'audit pour détecter des comportements suspects : accès inhabituel à des secrets ou [variables CI/CD](https://about.gitlab.com/fr-fr/blog/demystifying-ci-cd-variables/ \"variables CI/CD\"), modifications massives de configurations de sécurité. Il peut également corréler les vulnérabilités détectées par les scanners de sécurité de GitLab (SAST, DAST, détection des secrets, analyse des conteneurs, analyse des dépendances) avec des tentatives d'exploitation réelles observées en production, permettant ainsi de prioriser les correctifs en fonction du risque effectif. \n\n### Accélération du cycle de développement logiciel\n\nIntégré aux [pipelines CI/CD](https://about.gitlab.com/fr-fr/topics/ci-cd/cicd-pipeline/ \"Qu'est-ce qu'un pipeline CI/CD ?\"), l’AIOps joue un rôle de « garde-fou intelligent » à plusieurs niveaux, en repérant **des anomalies dès la phase de tests ou de déploiement**. Par exemple, si une nouvelle version provoque une augmentation inhabituelle du taux d’erreurs, la plateforme peut déclencher automatiquement un « rollback » avant que l’incident ne touche les utilisateurs finaux. GitLab permet également de configurer des règles de déploiement basées sur des métriques (temps de réponse, taux d'erreur) pour automatiser ces décisions. Cette approche permet d'accélérer les cycles de livraison tout en limitant les risques.\n\n## Les différences de l’AIOps avec le DevOps, MLOps, SRE ou le DataOps\n\nL'AIOps s'inscrit dans un écosystème de pratiques modernes qui partagent des objectifs communs : automatisation, fiabilité, efficacité. Il est donc naturel de les comparer, bien qu'elles soient en réalité complémentaires.\n\n### AIOps VS DevOps\n\nLe [DevOps](https://about.gitlab.com/fr-fr/topics/devops/ \"Qu'est-ce que le DevOps ?\") est un ensemble de pratiques qui vise à rapprocher les équipes de développement et opérations pour accélérer la livraison de logiciels. **L’AIOps, quant à lui, enrichit et soutient les [équipes DevOps](https://about.gitlab.com/fr-fr/topics/devops/build-a-devops-team/ \"Equipe DevOps\")** en automatisant la supervision, la détection d’anomalies et la gestion des incidents, apportant ainsi une visibilité en temps réel et une capacité de réaction accrue.\n\n### AIOps VS MLOps\n\nLe [MLOps](https://about.gitlab.com/fr-fr/blog/what-is-mlops/ \"Qu'est-ce que le MLOps ?\") concerne la **mise en production et l’industrialisation des modèles de machine learning** : versioning des modèles, pipelines d'entraînement automatisés, monitoring de la dérive des modèles. L’AIOps, de son côté, **utilise le machine learning pour résoudre des problèmes opérationnels IT**. \n\n### AIOps VS SRE (Site Reliability Engineering)\n\nLe SRE (*Site Reliability Engineering*) est une discipline qui applique des principes d'ingénierie logicielle aux opérations pour améliorer la fiabilité des systèmes, en s'appuyant sur des concepts comme les SLO (*Service Level Objectives*), les budgets d’erreur et la réduction des tâches manuelles répétitives. **L’AIOps est un accélérateur naturel de la démarche SRE** car il automatise la détection et la résolution des incidents, réduit le MTTD/MTTR et élimine les tâches manuelles répétitives. \n\n### AIOps VS DataOps\n\nLe DataOps est une autre pratique qui vise à **fiabiliser et automatiser les pipelines de données** en appliquant des principes DevOps au domaine de la data. Là où le DataOps se concentre sur la gouvernance et la qualité des données, **l’AIOps met l’accent sur leur exploitation** pour améliorer la supervision et les opérations IT.\n\n## Quels défis et limites à l’adoption de l’AIOps ?\n\nL’adoption de l’AIOps dans une organisation ne se fait pas sans obstacles. La **qualité des données** est un préalable indispensable, or celles-ci sont souvent fragmentées ou bruitées. Les organisations doivent aussi **surmonter des silos internes** pour permettre une corrélation efficace. Enfin, la mise en œuvre de l’AIOps suppose des **compétences spécialisées en data science** et peut nécessiter un investissement initial conséquent avant d’en percevoir les bénéfices.\n\n## Certification AIOps Foundation\n\nIl n’existe pas à ce jour d’organisme reconnu qui pilote la discipline AIOps de façon indépendante. Toutefois, on trouve une **[certification AIOps Foundation](https://www.devopsinstitute.com/certifications/aiops-foundation/)** (gérée par le **DevOps Institute**) qui constitue une référence dans le domaine.\n\nCette certification aborde les origines du concept AIOps, les technologies associées (big data, machine learning), les usages, les défis et les bonnes pratiques pour l’intégration. Elle joue un rôle de repère pour les professionnels et les organisations souhaitant structurer leur démarche AIOps, sans pour autant être une « fondation normative».\n\n## L’AIOps, l’open source et GitLab\n\nL’AIOps s’appuie fortement sur l'écosystème **[open source](https://about.gitlab.com/fr-fr/blog/2025/04/16/what-is-open-source/ \"Qu'est-ce que l'open source ?\")** : observabilité (Prometheus, Grafana), automatisation (Ansible, Terraform), intelligence artificielle (PyTorch, TensorFlow). \n\nDans ce paysage, **GitLab** joue un rôle naturel de plateforme d'intégration. En unifiant développement, sécurité et opérations, GitLab facilite l’adoption de l’AIOps : \n\n- **Intégration avec les outils AIOps** : GitLab se connecte nativement avec Datadog, Dynatrace, Prometheus via webhooks et APIs.\n\n- **Traçabilité complète** : chaque déploiement via GitLab CI/CD est automatiquement corrélé aux commits, merge requests et pipelines. \n\n- **Automatisation des remédiations** : GitLab CI/CD peut orchestrer des actions correctives automatisées : « rollbacks », exécution de runbooks ou création automatique d'incidents pour les équipes concernées. \n\n- **Collaboration centralisée** : GitLab offre un socle commun entre développeurs, SRE et équipes IT pour réduire les silos. \n\n- **Intelligence artificielle pour le développement** : avec **[GitLab Duo](https://about.gitlab.com/fr-fr/gitlab-duo/ \"GitLab Duo\")**, les équipes bénéficient d'une assistance IA pour accélérer le développement (suggestions de code, chat contextuel, génération de tests), améliorer la qualité logicielle et réduire le temps de résolution des bugs, s'inscrivant dans la même logique d'automatisation intelligente.\n\n> **[→ Essayez GitLab Ultimate et GitLab Duo Enterprise gratuitement.](https://about.gitlab.com/fr-fr/free-trial/devsecops/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr)**",[22,23,24],"AI/ML","DevOps","DevSecOps","https://res.cloudinary.com/about-gitlab-com/image/upload/v1764941549/pigpvpdjnxgmsukpewca.jpg","yml",{},true,"/fr-fr/blog/what-is-aiops",{"config":31,"title":32,"ogTitle":32,"description":33,"ogDescription":33,"ogImage":25},{"noIndex":11},"Qu'est-ce que l'AIOps ? Définition, fonctionnement, usages","Découvrez l’AIOps (Artificial Intelligence for IT Operations), son fonctionnement et comment il aide les équipes IT à automatiser et simplifier leurs opérations.","fr-fr/blog/what-is-aiops",[36,37,38],"aiml","devops","devsecops","iqrQxFxnKH--VCeNQZQj4KKzXjmkOvzaGrqa5JWyt9g",{"data":41},{"logo":42,"freeTrial":47,"sales":52,"login":57,"items":62,"search":372,"minimal":407,"duo":426,"pricingDeployment":436},{"config":43},{"href":44,"dataGaName":45,"dataGaLocation":46},"/fr-fr/","gitlab logo","header",{"text":48,"config":49},"Commencer un essai gratuit",{"href":50,"dataGaName":51,"dataGaLocation":46},"https://gitlab.com/-/trial_registrations/new?glm_source=about.gitlab.com/fr-fr&glm_content=default-saas-trial/","free trial",{"text":53,"config":54},"Contacter l'équipe commerciale",{"href":55,"dataGaName":56,"dataGaLocation":46},"/fr-fr/sales/","sales",{"text":58,"config":59},"Connexion",{"href":60,"dataGaName":61,"dataGaLocation":46},"https://gitlab.com/users/sign_in/","sign in",[63,90,187,192,293,353],{"text":64,"config":65,"cards":67},"Plateforme",{"dataNavLevelOne":66},"platform",[68,74,82],{"title":64,"description":69,"link":70},"La plateforme d'orchestration intelligente pour le DevSecOps",{"text":71,"config":72},"Découvrir notre plateforme",{"href":73,"dataGaName":66,"dataGaLocation":46},"/fr-fr/platform/",{"title":75,"description":76,"link":77},"GitLab Duo Agent Platform","L'IA agentique pour l'ensemble du cycle de développement logiciel",{"text":78,"config":79},"Découvrir GitLab Duo",{"href":80,"dataGaName":81,"dataGaLocation":46},"/fr-fr/gitlab-duo-agent-platform/","gitlab duo agent platform",{"title":83,"description":84,"link":85},"Choisir GitLab","Découvrez les principales raisons pour lesquelles les entreprises choisissent GitLab",{"text":86,"config":87},"En savoir plus",{"href":88,"dataGaName":89,"dataGaLocation":46},"/fr-fr/why-gitlab/","why gitlab",{"text":91,"left":28,"config":92,"link":94,"lists":98,"footer":169},"Produit",{"dataNavLevelOne":93},"solutions",{"text":95,"config":96},"Voir toutes les solutions",{"href":97,"dataGaName":93,"dataGaLocation":46},"/fr-fr/solutions/",[99,124,147],{"title":100,"description":101,"link":102,"items":107},"Automatisation","CI/CD et automatisation pour accélérer le déploiement",{"config":103},{"icon":104,"href":105,"dataGaName":106,"dataGaLocation":46},"AutomatedCodeAlt","/fr-fr/solutions/delivery-automation/","automated software delivery",[108,112,115,120],{"text":109,"config":110},"CI/CD",{"href":111,"dataGaLocation":46,"dataGaName":109},"/fr-fr/solutions/continuous-integration/",{"text":75,"config":113},{"href":80,"dataGaLocation":46,"dataGaName":114},"gitlab duo agent platform - product menu",{"text":116,"config":117},"Gestion du code source",{"href":118,"dataGaLocation":46,"dataGaName":119},"/fr-fr/solutions/source-code-management/","Source Code Management",{"text":121,"config":122},"Livraison de logiciels automatisée",{"href":105,"dataGaLocation":46,"dataGaName":123},"Automated software delivery",{"title":125,"description":126,"link":127,"items":132},"Sécurité","Livrez du code plus rapidement sans compromettre la sécurité",{"config":128},{"href":129,"dataGaName":130,"dataGaLocation":46,"icon":131},"/fr-fr/solutions/application-security-testing/","security and compliance","ShieldCheckLight",[133,137,142],{"text":134,"config":135},"Tests de sécurité des applications",{"href":129,"dataGaName":136,"dataGaLocation":46},"Application security testing",{"text":138,"config":139},"Sécurité de la chaîne d'approvisionnement logicielle",{"href":140,"dataGaLocation":46,"dataGaName":141},"/fr-fr/solutions/supply-chain/","Software supply chain security",{"text":143,"config":144},"Conformité logicielle",{"href":145,"dataGaName":146,"dataGaLocation":46},"/fr-fr/solutions/software-compliance/","Software Compliance",{"title":148,"link":149,"items":154},"Mesures",{"config":150},{"icon":151,"href":152,"dataGaName":153,"dataGaLocation":46},"DigitalTransformation","/fr-fr/solutions/visibility-measurement/","visibility and measurement",[155,159,164],{"text":156,"config":157},"Visibilité et mesures",{"href":152,"dataGaLocation":46,"dataGaName":158},"Visibility and Measurement",{"text":160,"config":161},"Gestion de la chaîne de valeur",{"href":162,"dataGaLocation":46,"dataGaName":163},"/fr-fr/solutions/value-stream-management/","Value Stream Management",{"text":165,"config":166},"Données d'analyse et informations clés",{"href":167,"dataGaLocation":46,"dataGaName":168},"/fr-fr/solutions/analytics-and-insights/","Analytics and insights",{"title":170,"items":171},"GitLab pour",[172,177,182],{"text":173,"config":174},"Entreprises",{"href":175,"dataGaLocation":46,"dataGaName":176},"/fr-fr/enterprise/","enterprise",{"text":178,"config":179},"PME",{"href":180,"dataGaLocation":46,"dataGaName":181},"/fr-fr/small-business/","small business",{"text":183,"config":184},"Secteur public",{"href":185,"dataGaLocation":46,"dataGaName":186},"/fr-fr/solutions/public-sector/","public sector",{"text":188,"config":189},"Tarifs",{"href":190,"dataGaName":191,"dataGaLocation":46,"dataNavLevelOne":191},"/fr-fr/pricing/","pricing",{"text":193,"config":194,"link":196,"lists":200,"feature":280},"Ressources",{"dataNavLevelOne":195},"resources",{"text":197,"config":198},"Afficher toutes les ressources",{"href":199,"dataGaName":195,"dataGaLocation":46},"/fr-fr/resources/",[201,234,252],{"title":202,"items":203},"Premiers pas",[204,209,214,219,224,229],{"text":205,"config":206},"Installation",{"href":207,"dataGaName":208,"dataGaLocation":46},"/fr-fr/install/","install",{"text":210,"config":211},"Guides de démarrage",{"href":212,"dataGaName":213,"dataGaLocation":46},"/fr-fr/get-started/","quick setup checklists",{"text":215,"config":216},"Apprentissage",{"href":217,"dataGaLocation":46,"dataGaName":218},"https://university.gitlab.com/","learn",{"text":220,"config":221},"Documentation sur le produit",{"href":222,"dataGaName":223,"dataGaLocation":46},"https://docs.gitlab.com/","product documentation",{"text":225,"config":226},"Vidéos sur les bonnes pratiques",{"href":227,"dataGaName":228,"dataGaLocation":46},"/fr-fr/getting-started-videos/","best practice videos",{"text":230,"config":231},"Intégrations",{"href":232,"dataGaName":233,"dataGaLocation":46},"/fr-fr/integrations/","integrations",{"title":235,"items":236},"Découvrir",[237,242,247],{"text":238,"config":239},"Témoignages clients",{"href":240,"dataGaName":241,"dataGaLocation":46},"/fr-fr/customers/","customer success stories",{"text":243,"config":244},"Blog",{"href":245,"dataGaName":246,"dataGaLocation":46},"/fr-fr/blog/","blog",{"text":248,"config":249},"Travail à distance",{"href":250,"dataGaName":251,"dataGaLocation":46},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"title":253,"items":254},"Connecter",[255,260,265,270,275],{"text":256,"config":257},"Services GitLab",{"href":258,"dataGaName":259,"dataGaLocation":46},"/fr-fr/services/","services",{"text":261,"config":262},"Communauté",{"href":263,"dataGaName":264,"dataGaLocation":46},"/community/","community",{"text":266,"config":267},"Forum",{"href":268,"dataGaName":269,"dataGaLocation":46},"https://forum.gitlab.com/","forum",{"text":271,"config":272},"Événements",{"href":273,"dataGaName":274,"dataGaLocation":46},"/events/","events",{"text":276,"config":277},"Partenaires",{"href":278,"dataGaName":279,"dataGaLocation":46},"/fr-fr/partners/","partners",{"backgroundColor":281,"textColor":282,"text":283,"image":284,"link":288},"#2f2a6b","#fff","L'avenir du développement logiciel. Tendances et perspectives.",{"altText":285,"config":286},"carte promo The Source",{"src":287},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758208064/dzl0dbift9xdizyelkk4.svg",{"text":289,"config":290},"Lire les articles les plus récents",{"href":291,"dataGaName":292,"dataGaLocation":46},"/fr-fr/the-source/","the source",{"text":294,"config":295,"lists":297},"Société",{"dataNavLevelOne":296},"company",[298],{"items":299},[300,305,311,313,318,323,328,333,338,343,348],{"text":301,"config":302},"À propos",{"href":303,"dataGaName":304,"dataGaLocation":46},"/fr-fr/company/","about",{"text":306,"config":307,"footerGa":310},"Carrières",{"href":308,"dataGaName":309,"dataGaLocation":46},"/jobs/","jobs",{"dataGaName":309},{"text":271,"config":312},{"href":273,"dataGaName":274,"dataGaLocation":46},{"text":314,"config":315},"Leadership",{"href":316,"dataGaName":317,"dataGaLocation":46},"/company/team/e-group/","leadership",{"text":319,"config":320},"Équipe",{"href":321,"dataGaName":322,"dataGaLocation":46},"/company/team/","team",{"text":324,"config":325},"Manuel",{"href":326,"dataGaName":327,"dataGaLocation":46},"https://handbook.gitlab.com/","handbook",{"text":329,"config":330},"Relations avec les investisseurs",{"href":331,"dataGaName":332,"dataGaLocation":46},"https://ir.gitlab.com/","investor relations",{"text":334,"config":335},"Centre de confiance",{"href":336,"dataGaName":337,"dataGaLocation":46},"/fr-fr/security/","trust center",{"text":339,"config":340},"Centre pour la transparence de l'IA",{"href":341,"dataGaName":342,"dataGaLocation":46},"/fr-fr/ai-transparency-center/","ai transparency center",{"text":344,"config":345},"Newsletter",{"href":346,"dataGaName":347,"dataGaLocation":46},"/company/contact/#contact-forms","newsletter",{"text":349,"config":350},"Presse",{"href":351,"dataGaName":352,"dataGaLocation":46},"/press/","press",{"text":354,"config":355,"lists":356},"Nous contacter",{"dataNavLevelOne":296},[357],{"items":358},[359,362,367],{"text":53,"config":360},{"href":55,"dataGaName":361,"dataGaLocation":46},"talk to sales",{"text":363,"config":364},"Portail d’assistance",{"href":365,"dataGaName":366,"dataGaLocation":46},"https://support.gitlab.com","support portal",{"text":368,"config":369},"Portail clients GitLab",{"href":370,"dataGaName":371,"dataGaLocation":46},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"close":373,"login":374,"suggestions":381},"Fermer",{"text":375,"link":376},"Pour rechercher des dépôts et des projets, connectez-vous à",{"text":377,"config":378},"gitlab.com",{"href":60,"dataGaName":379,"dataGaLocation":380},"search login","search",{"text":382,"default":383},"Suggestions",[384,386,391,393,398,403],{"text":75,"config":385},{"href":80,"dataGaName":75,"dataGaLocation":380},{"text":387,"config":388},"Suggestions de code (IA)",{"href":389,"dataGaName":390,"dataGaLocation":380},"/fr-fr/solutions/code-suggestions/","Code Suggestions (AI)",{"text":109,"config":392},{"href":111,"dataGaName":109,"dataGaLocation":380},{"text":394,"config":395},"GitLab sur AWS",{"href":396,"dataGaName":397,"dataGaLocation":380},"/fr-fr/partners/technology-partners/aws/","GitLab on AWS",{"text":399,"config":400},"GitLab sur Google Cloud ",{"href":401,"dataGaName":402,"dataGaLocation":380},"/fr-fr/partners/technology-partners/google-cloud-platform/","GitLab on Google Cloud",{"text":404,"config":405},"Pourquoi utiliser GitLab ?",{"href":88,"dataGaName":406,"dataGaLocation":380},"Why GitLab?",{"freeTrial":408,"mobileIcon":413,"desktopIcon":418,"secondaryButton":421},{"text":409,"config":410},"Commencer votre essai gratuit",{"href":411,"dataGaName":51,"dataGaLocation":412},"https://gitlab.com/-/trials/new/","nav",{"altText":414,"config":415},"Icône GitLab",{"src":416,"dataGaName":417,"dataGaLocation":412},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758203874/jypbw1jx72aexsoohd7x.svg","gitlab icon",{"altText":414,"config":419},{"src":420,"dataGaName":417,"dataGaLocation":412},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1758203875/gs4c8p8opsgvflgkswz9.svg",{"text":422,"config":423},"Commencer",{"href":424,"dataGaName":425,"dataGaLocation":412},"https://gitlab.com/-/trial_registrations/new?glm_source=about.gitlab.com/fr-fr/compare/gitlab-vs-github/","get started",{"freeTrial":427,"mobileIcon":432,"desktopIcon":434},{"text":428,"config":429},"En savoir plus sur GitLab Duo",{"href":430,"dataGaName":431,"dataGaLocation":412},"/fr-fr/gitlab-duo/","gitlab duo",{"altText":414,"config":433},{"src":416,"dataGaName":417,"dataGaLocation":412},{"altText":414,"config":435},{"src":420,"dataGaName":417,"dataGaLocation":412},{"freeTrial":437,"mobileIcon":442,"desktopIcon":444},{"text":438,"config":439},"Retour aux tarifs",{"href":190,"dataGaName":440,"dataGaLocation":412,"icon":441},"back to pricing","GoBack",{"altText":414,"config":443},{"src":416,"dataGaName":417,"dataGaLocation":412},{"altText":414,"config":445},{"src":420,"dataGaName":417,"dataGaLocation":412},{"title":447,"button":448,"config":453},"Découvrez comment l'IA agentique transforme la livraison logicielle",{"text":449,"config":450},"Regarder GitLab Transcend maintenant",{"href":451,"dataGaName":452,"dataGaLocation":46},"/fr-fr/events/transcend/virtual/","transcend event",{"layout":454,"icon":455},"release","AiStar",{"data":457},{"text":458,"source":459,"edit":465,"contribute":470,"config":475,"items":480,"minimal":657},"Git est une marque déposée de Software Freedom Conservancy et notre utilisation de « GitLab » est sous licence",{"text":460,"config":461},"Afficher le code source de la page",{"href":462,"dataGaName":463,"dataGaLocation":464},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":466,"config":467},"Modifier cette page",{"href":468,"dataGaName":469,"dataGaLocation":464},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":471,"config":472},"Veuillez contribuer",{"href":473,"dataGaName":474,"dataGaLocation":464},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":476,"facebook":477,"youtube":478,"linkedin":479},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[481,504,558,590,625],{"title":64,"links":482,"subMenu":487},[483],{"text":484,"config":485},"Plateforme DevSecOps",{"href":73,"dataGaName":486,"dataGaLocation":464},"devsecops platform",[488],{"title":188,"links":489},[490,494,499],{"text":491,"config":492},"Voir les forfaits",{"href":190,"dataGaName":493,"dataGaLocation":464},"view plans",{"text":495,"config":496},"Pourquoi choisir GitLab Premium ?",{"href":497,"dataGaName":498,"dataGaLocation":464},"/fr-fr/pricing/premium/","why premium",{"text":500,"config":501},"Pourquoi choisir GitLab Ultimate ?",{"href":502,"dataGaName":503,"dataGaLocation":464},"/fr-fr/pricing/ultimate/","why ultimate",{"title":505,"links":506},"Solutions",[507,512,515,517,522,527,531,534,537,542,544,546,548,553],{"text":508,"config":509},"Transformation digitale",{"href":510,"dataGaName":511,"dataGaLocation":464},"/fr-fr/topics/digital-transformation/","digital transformation",{"text":513,"config":514},"Sécurité et conformité",{"href":129,"dataGaName":136,"dataGaLocation":464},{"text":121,"config":516},{"href":105,"dataGaName":106,"dataGaLocation":464},{"text":518,"config":519},"Développement agile",{"href":520,"dataGaName":521,"dataGaLocation":464},"/fr-fr/solutions/agile-delivery/","agile delivery",{"text":523,"config":524},"Transformation cloud",{"href":525,"dataGaName":526,"dataGaLocation":464},"/fr-fr/topics/cloud-native/","cloud transformation",{"text":528,"config":529},"SCM",{"href":118,"dataGaName":530,"dataGaLocation":464},"source code management",{"text":109,"config":532},{"href":111,"dataGaName":533,"dataGaLocation":464},"continuous integration & delivery",{"text":160,"config":535},{"href":162,"dataGaName":536,"dataGaLocation":464},"value stream management",{"text":538,"config":539},"GitOps",{"href":540,"dataGaName":541,"dataGaLocation":464},"/fr-fr/solutions/gitops/","gitops",{"text":173,"config":543},{"href":175,"dataGaName":176,"dataGaLocation":464},{"text":178,"config":545},{"href":180,"dataGaName":181,"dataGaLocation":464},{"text":183,"config":547},{"href":185,"dataGaName":186,"dataGaLocation":464},{"text":549,"config":550},"Formation",{"href":551,"dataGaName":552,"dataGaLocation":464},"/fr-fr/solutions/education/","education",{"text":554,"config":555},"Services financiers",{"href":556,"dataGaName":557,"dataGaLocation":464},"/fr-fr/solutions/finance/","financial services",{"title":193,"links":559},[560,562,565,567,570,572,575,578,580,582,584,586,588],{"text":205,"config":561},{"href":207,"dataGaName":208,"dataGaLocation":464},{"text":563,"config":564},"Guides de démarrage rapide",{"href":212,"dataGaName":213,"dataGaLocation":464},{"text":215,"config":566},{"href":217,"dataGaName":218,"dataGaLocation":464},{"text":220,"config":568},{"href":222,"dataGaName":569,"dataGaLocation":464},"docs",{"text":243,"config":571},{"href":245,"dataGaName":246},{"text":573,"config":574},"Histoires de réussite client",{"href":240,"dataGaLocation":464},{"text":576,"config":577},"Histoires de succès client",{"href":240,"dataGaName":241,"dataGaLocation":464},{"text":248,"config":579},{"href":250,"dataGaName":251,"dataGaLocation":464},{"text":256,"config":581},{"href":258,"dataGaName":259,"dataGaLocation":464},{"text":261,"config":583},{"href":263,"dataGaName":264,"dataGaLocation":464},{"text":266,"config":585},{"href":268,"dataGaName":269,"dataGaLocation":464},{"text":271,"config":587},{"href":273,"dataGaName":274,"dataGaLocation":464},{"text":276,"config":589},{"href":278,"dataGaName":279,"dataGaLocation":464},{"title":294,"links":591},[592,594,597,599,601,603,605,609,614,616,618,620],{"text":301,"config":593},{"href":303,"dataGaName":296,"dataGaLocation":464},{"text":595,"config":596},"Emplois",{"href":308,"dataGaName":309,"dataGaLocation":464},{"text":314,"config":598},{"href":316,"dataGaName":317,"dataGaLocation":464},{"text":319,"config":600},{"href":321,"dataGaName":322,"dataGaLocation":464},{"text":324,"config":602},{"href":326,"dataGaName":327,"dataGaLocation":464},{"text":329,"config":604},{"href":331,"dataGaName":332,"dataGaLocation":464},{"text":606,"config":607},"Sustainability",{"href":608,"dataGaName":606,"dataGaLocation":464},"/sustainability/",{"text":610,"config":611},"Diversité, inclusion et appartenance (DIB)",{"href":612,"dataGaName":613,"dataGaLocation":464},"/fr-fr/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":334,"config":615},{"href":336,"dataGaName":337,"dataGaLocation":464},{"text":344,"config":617},{"href":346,"dataGaName":347,"dataGaLocation":464},{"text":349,"config":619},{"href":351,"dataGaName":352,"dataGaLocation":464},{"text":621,"config":622},"Déclaration de transparence sur l'esclavage moderne",{"href":623,"dataGaName":624,"dataGaLocation":464},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":354,"links":626},[627,630,635,637,642,647,652],{"text":628,"config":629},"Échanger avec un expert",{"href":55,"dataGaName":56,"dataGaLocation":464},{"text":631,"config":632},"Aide",{"href":633,"dataGaName":634,"dataGaLocation":464},"/support/","get help",{"text":368,"config":636},{"href":370,"dataGaName":371,"dataGaLocation":464},{"text":638,"config":639},"Statut",{"href":640,"dataGaName":641,"dataGaLocation":464},"https://status.gitlab.com/","status",{"text":643,"config":644},"Conditions d'utilisation",{"href":645,"dataGaName":646},"/terms/","terms of use",{"text":648,"config":649},"Déclaration de confidentialité",{"href":650,"dataGaName":651,"dataGaLocation":464},"/fr-fr/privacy/","privacy statement",{"text":653,"config":654},"Préférences en matière de cookies",{"dataGaName":655,"dataGaLocation":464,"id":656,"isOneTrustButton":28},"cookie preferences","ot-sdk-btn",{"items":658},[659,661,664],{"text":643,"config":660},{"href":645,"dataGaName":646,"dataGaLocation":464},{"text":662,"config":663},"Politique de confidentialité",{"href":650,"dataGaName":651,"dataGaLocation":464},{"text":653,"config":665},{"dataGaName":655,"dataGaLocation":464,"id":656,"isOneTrustButton":28},[667],{"id":668,"title":669,"body":8,"config":670,"content":672,"description":8,"extension":26,"meta":676,"navigation":28,"path":677,"seo":678,"stem":679,"__hash__":680},"blogAuthors/en-us/blog/authors/gitlab-france-team.yml","Gitlab France Team",{"template":671},"BlogAuthor",{"name":18,"config":673},{"headshot":674,"ctfId":675},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1749659488/Blog/Author%20Headshots/gitlab-logo-extra-whitespace.png","1gfblqN0ibYIuWGk7MOTny",{},"/en-us/blog/authors/gitlab-france-team",{},"en-us/blog/authors/gitlab-france-team","Eni-wcJbgxSvctiz4Yjf4UeRk6T6IWt1wK0KuHU907U",[682,693,707],{"content":683,"config":691},{"title":684,"description":685,"authors":686,"date":687,"body":688,"category":9,"tags":689,"heroImage":690},"GitLab Duo Agent Platform : comment réinventer le développement logiciel avec l’IA agentique","Découvrez comment GitLab Duo Agent Platform transforme la collaboration entre équipes de développement et les agents d’IA.\n",[18],"2026-02-24","> *Cet article de blog est un résumé de notre webinaire sur la Collaboration entre agents d’IA et développeurs animé par Lucas Rangeard (Solutions Architect) et Chloé Cartron (Senior Solutions Architect). Pour visionner le replay, [cliquez ici](https://learn.gitlab.com/fr-oct-agentic-ai/duo-ai-fr).* \n\nStructurer un besoin client en ticket, diviser un ticket en sous-tâches assignables, et implémenter la fonctionnalité : trois opérations qui, dans un cycle de développement traditionnel, s'enchaînent de manière séquentielle entraînant un goulot d'étranglement bien connu des [équipes DevOps](https://about.gitlab.com/fr-fr/topics/devops/build-a-devops-team/ \"équipes DevOps\").\n\nGrâce à GitLab Duo Agent Platform, ces trois tâches sont exécutées en parallèle, avec une merge request prête à être revue en quelques minutes. \n\nDécouvrez dans cet article les capacités de GitLab Duo Agent Platform conçue pour transformer la collaboration entre équipes de développement et agents intelligents et apprenez comment mettre en place des flows, de la création d’un ticket au développement d’une application à travers trois cas d’usage.\n\n## GitLab Duo Agent Platform : une orchestration agentique native\n\n[GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/ \"GitLab Duo Agent Platform\") représente une évolution majeure dans notre approche du DevSecOps. En disponibilité générale depuis janvier 2026 pour les clients GitLab Premium et GitLab Ultimate (GitLab.com et GitLab Self-Managed), GitLab Duo Agent Platform permet aux équipes de développement de collaborer avec des agents d’IA sur l'ensemble du cycle de développement logiciel ([SDLC](https://about.gitlab.com/fr-fr/blog/what-is-sdlc/ \"Qu'est-ce que le SDLC ?\")).\n\n> 🎯 Essayez [GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr) dès aujourd'hui !\n\n### L’orchestration agentique au coeur du SDLC\n\nNotre approche repose sur trois piliers interconnectés :\n\n* **Nous conservons ce qui fait notre force** : une plateforme unifiée avec un système de données centralisé et des APIs.\n* **Nous ajoutons une couche d'intelligence agentique** : des agents spécialisés travaillant ensemble et de manière autonome. \n* **Nous créons un graphe de connaissances reliant l'ensemble des données entre elles** : votre code, vos tickets, vos déploiements, vos scans de sécurité. Cette interconnexion permet aux agents de comprendre votre contexte complet et de prendre des décisions éclairées rapidement. \n\n### Des agents spécialisés tout au long du SDLC\n\nGitLab Duo Agent Platform ne vise pas à remplacer les équipes de développement, mais à leur fournir des partenaires capables d'exécuter des tâches en parallèle. \n\nLes utilisateurs ont accès à trois types d’agents différents : les [agents par défaut](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/) comme [Planner](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/planner/), [Security Analyst](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/security_analyst_agent/) et [Data Analyst](https://docs.gitlab.com/user/duo_agent_platform/agents/foundational_agents/data_analyst/) pour les tâches courantes de développement, les [agents personnalisables](https://docs.gitlab.com/user/duo_agent_platform/agents/custom/) pour les workflows spécifiques à votre équipe, ainsi que les [agents externes](https://docs.gitlab.com/user/duo_agent_platform/agents/external/) comme Claude Code ou OpenAI Codex. Pour en savoir plus sur les agents, consultez notre article de blog [GitLab Duo Agent Platform : comprendre les agents](https://about.gitlab.com/fr-fr/blog/understanding-agents-foundational-custom-external/).\n\nCes agents partagent un contexte unifié. Ils peuvent accéder aux tickets, au code source, aux [pipelines CI/CD](https://about.gitlab.com/fr-fr/topics/ci-cd/cicd-pipeline/ \"Qu'est-ce qu'un pipeline CI/CD ?\"), aux merge requests et à l'historique de déploiement, selon les permissions données. \n\n> Chez NatWest, l'intégration des agents d’IA dans le cycle de développement logiciel a permis d'améliorer « la productivité, la vélocité et l'efficacité » des équipes, selon Bal Kang, Engineering Platform Lead. \n\n## Comment l'IA agentique réduit les temps d'attente entre chaque étape ?\n\nDans un cycle de développement traditionnel, les étapes s'enchaînent les unes après les autres. Rédaction des spécifications, découpage en tâches, implémentation, tests, revue de code : chaque phase attend la précédente. Ce modèle séquentiel génère des temps morts et limite la capacité des équipes à traiter plusieurs demandes simultanément.\n\nL'approche agentique change cette dynamique. En déléguant des tâches à des agents autonomes, les équipes de développement peuvent avancer sur plusieurs fronts en parallèle. Pendant qu'un agent implémente une fonctionnalité, un autre structure une nouvelle demande, et un troisième prépare une analyse de sécurité. Le cycle de développement global est raccourci.\n\nL'objectif : permettre aux équipes de développement de déléguer certaines tâches à des agents pendant qu'ils se concentrent sur d'autres tâches à plus forte valeur ajoutée, tout en gardant le contrôle sur les résultats.\n\n## 3 exemples de flows à tester\n\nDécouvrez comment GitLab Duo Agent Platform transforme le quotidien des équipes grâce à ces trois cas d'usage qui peuvent être exécutés simultanément. \n\n### Transformer une idée en ticket structuré\n\nAvec GitLab Duo Agentic Chat, les utilisateurs peuvent générer un ticket complet et personnalisable à partir d'une idée en formulant leur demande en langage naturel à l’aide du modèle IA de leur choix. \n\nCe ticket comprend le titre correspondant au besoin, la user story, les critères d'acceptance, les contraintes techniques, la « definition of done », ainsi que tout autre élément de gestion de projet propre aux équipes : personnes assignées, labels, date de début et date de fin de la tâche, confidentialité du ticket, etc.\n\nL'action proposée est soumise à validation. Une fois approuvé, le ticket apparaît dans le backlog en quelques secondes.\n\n### Diviser un ticket en sous-tâches\n\nUn ticket couvrant plusieurs fonctionnalités peut être divisé automatiquement en sous-tickets distincts. L'agent crée les sous tickets, maintient les références avec le ticket parent, et préserve la cohérence des critères d'acceptance. Ce mécanisme transforme un besoin business global en un ensemble de tâches assignables aux équipes. \n\n### Générer une merge request depuis un ticket\n\nÀ partir d’un ticket décrivant une fonctionnalité à implémenter, l'agent analyse le contexte du projet, comprend l'architecture existante, et génère le code correspondant. Il modifie les fichiers nécessaires, crée une merge request et le pipeline CI/CD se lance automatiquement.\n\nIl est également possible d'assigner GitLab Duo comme relecteur sur une merge request. L'agent analyse les changements, identifie les points d'attention et laisse des commentaires dans la merge request, offrant un premier niveau de revue avant la sollicitation des pairs.\n\n## Une collaboration entre humains et IA\n\nUn aspect distingue GitLab Duo Agent Platform des approches purement automatisées : chaque action proposée par un agent nécessite une validation explicite. L'utilisateur visualise ce que l'agent souhaite exécuter et approuve ou ajuste le travail effectué par l’agent avant d’effectuer une action.\nCette approche répond aux exigences des équipes en matière de gouvernance. L'agent accélère l'exécution, mais les décisions restent sous contrôle humain. Une approche indispensable dans un contexte où la qualité du code et la sécurité ne peuvent être compromises.\n\n## Le catalogue d’IA : un écosystème agentique\n\nAu-delà des agents natifs, GitLab développe un écosystème ouvert : le catalogue d’IA. Ce dernier permet de découvrir, utiliser et partager des agents et des flows développés par GitLab, ainsi que par toute la communauté.\n\nLes options de partage sont flexibles : ouverture à la communauté ou restriction à des usages internes selon les besoins de gouvernance.\n\nCette approche permet d'imaginer un agent expert en migration de bases de données, ou encore un flow d’optimisation de performance tous intégrés nativement dans GitLab. \n\nCes agents et flows s'intègrent à votre interface GitLab et identifient rapidement votre contexte et vos projets.\n\n## Prérequis\n\nPour utiliser GitLab Duo Agent Platform, plusieurs conditions sont requises :\n\n* Disposer de la version 18.8 ou ultérieure de GitLab ou d’un compte GitLab.com.\n* Être abonné à [GitLab Premium](https://about.gitlab.com/fr-fr/pricing/premium/) ou [GitLab Ultimate](https://about.gitlab.com/fr-fr/pricing/ultimate/)\n\nGitLab Duo Agent Platform utilise par défaut les modèles d'IA fournis par GitLab. Une configuration alternative utilisant les modèles des clients est disponible [pour les installations auto hébergées](https://docs.gitlab.com/administration/gitlab_duo_self_hosted/#gitlab-duo-agent-platform). Pour en savoir plus, consultez notre article [IA agentique avec contrôle d'entreprise : GitLab Duo Agent Platform Self-Hosted et BYOM](https://about.gitlab.com/fr-fr/blog/agentic-ai-enterprise-control-self-hosted-duo-agent-platform-and-byom/).\n\n## Perspectives : l'IA agentique au coeur du DevSecOps\n\nGitLab Duo Agent Platform marque une évolution dans l'intégration de l'IA dans le cycle de développement DevSecOps. Il ne s'agit plus uniquement de suggestions de code, mais d'une véritable orchestration agentique où des agents spécialisés prennent en charge des workflows complets.\n\nVous souhaitez en savoir plus sur les flows ? Consultez notre article [Comprendre les flows : workflows multi-agents](https://about.gitlab.com/fr-fr/blog/understanding-flows-multi-agent-workflows/) et découvrez comment utiliser les [flows par défaut](https://docs.gitlab.com/user/duo_agent_platform/flows/foundational_flows/) et les [flows personnalisables](https://docs.gitlab.com/user/duo_agent_platform/flows/custom/).\n\n> 🎯 Essayez [GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr) dès aujourd'hui !",[22],"https://res.cloudinary.com/about-gitlab-com/image/upload/v1765809212/noh0mdfn9o94ry9ykura.png",{"featured":11,"template":12,"slug":692},"gitlab-duo-agent-platform-software-development-agentic-ai",{"content":694,"config":705},{"title":695,"description":696,"authors":697,"heroImage":699,"date":700,"body":701,"category":9,"tags":702},"IA agentique avec contrôle d'entreprise : GitLab Duo Agent Platform Self-Hosted et BYOM","Découvrez comment GitLab 18.9 offre aux entreprises des secteurs réglementés une IA agentique gouvernée grâce à GitLab Duo Agent Platform Self-Hosted et à la prise en charge Bring Your Own Model.",[698],"Rebecca Carter","https://res.cloudinary.com/about-gitlab-com/image/upload/v1771438388/t6sts5qw4z8561gtlxiq.png","2026-02-19","Pour les organisations qui opèrent dans des secteurs réglementés, la transition vers l'automatisation alimentée par l'IA s'accompagne de contraintes strictes. La résidence des données, le contrôle des fournisseurs et la gouvernance ne sont pas négociables. De nombreuses organisations ont déjà investi massivement dans leurs propres modèles, avec des processus d'approbation rigoureux qui régissent leur fonctionnement et leur déploiement.\n\nAvec [GitLab 18.9](https://about.gitlab.com/releases/2026/02/19/gitlab-18-9-released/), nous proposons deux fonctionnalités qui comblent une lacune stratégique critique pour ces organisations et transformons [GitLab Duo Agent Platform](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/) en un plan de contrôle d'IA prêt à être déployé et gouvernable pour les environnements réglementaires les plus stricts.\n\n## GitLab Duo Agent Platform Self-Hosted pour les licences cloud en ligne\nAvec GitLab Duo Agent Platform, les équipes d'ingénierie créent des flows alimentés par l'IA qui automatisent des séquences de tâches, allant de la refactorisation des services au renforcement des pipelines CI/CD en passant par la hiérarchisation des vulnérabilités. Jusqu'à présent, l'utilisation de GitLab Duo Agent Platform en production avec des modèles auto-hébergés était principalement alignée sur des chemins de licence hors ligne ou complémentaires et n'était pas conçue pour les clients disposant de licences cloud en ligne qui opèrent dans des environnements avec des réglementations strictes.\n\nDésormais en disponibilité générale, [GitLab Duo Agent Platform Self-Hosted pour les licences cloud en ligne](https://docs.gitlab.com/subscriptions/subscription-add-ons/#gitlab-duo-agent-platform-self-hosted) introduit un modèle de facturation basé sur l'usage alimenté par les [GitLab Credits](https://about.gitlab.com/fr-fr/blog/introducing-gitlab-credits/). Cette approche offre la mesure transparente et prévisible dont les entreprises ont besoin pour instaurer la confiance et la refacturation interne.\n* **Résidence et contrôle des données** : vous pouvez désormais exécuter GitLab Duo Agent Platform en production sur des licences cloud en ligne tout en utilisant des modèles hébergés sur votre propre infrastructure ou dans des environnements cloud approuvés. Vous contrôlez ainsi le lieu d'exécution des modèles et la façon dont le trafic d'inférence est acheminé dans vos environnements approuvés.\n* **Transparence des coûts et refacturation** : bénéficiez d'une transparence granulaire des coûts grâce aux GitLab Credits et au décompte par requête, deux éléments essentiels pour une refacturation interne précise et le respect des normes réglementaires en matière de reporting.\n* **Accélération de l'adoption** : supprime un obstacle majeur au déploiement de l'IA agentique dans des secteurs comme les services financiers, les administrations publiques et les infrastructures critiques, où l'acheminement des données via des fournisseurs d'IA externes n'est tout simplement pas envisageable. Avec GitLab 18.9, GitLab Duo Agent Platform devient un environnement de déploiement de premier ordre pour les licences cloud en ligne.\n\n## Bring Your Own Model\nL'auto-hébergement de la couche d'orchestration n'est qu'une partie de la solution. De nombreux clients de secteurs réglementés ont déjà investi massivement dans leurs propres modèles : des LLM adaptés à leur domaine, des déploiements dans une région dédiée ou air-gapped pour la souveraineté des données, et des modèles fermés et internes conçus en fonction d'un profil de risque spécifique.\n\n**Bring Your Own Model (BYOM)** renforce la flexibilité de GitLab Duo Agent Platform. Les administrateurs peuvent connecter des modèles tiers ou auto-hébergés via la [passerelle d'IA (AI-Gateway) de GitLab](https://docs.gitlab.com/administration/gitlab_duo/gateway/), et les clients choisissent et contrôlent le modèle.\n* **Intégration et gouvernance** : les modèles BYOM apparaissent aux côtés des modèles gérés par GitLab dans le plan de contrôle d'IA de GitLab. GitLab Duo Agent Platform peut ainsi les traiter comme des options prêtes à l'emploi pour l'entreprise.\n* **Mappage granulaire** : une fois enregistrés via la passerelle d'IA, les modèles peuvent être mappés à des flows ou des fonctionnalités spécifiques de GitLab Duo Agent Platform. Vous pouvez ainsi exercer un contrôle étroit sur les agents et les flows, ainsi que sur les modèles utilisés. Les administrateurs restent toujours responsables de la validation des modèles, des performances et de l'évaluation des risques. Vous êtes responsable de la compatibilité, des performances et de l'évaluation des risques pour les modèles que vous apportez.\n\nEnsemble, ces fonctionnalités donnent aux responsables d'ingénierie un contrôle complet sur l'IA agentique. Ce plan de contrôle unique et gouverné pour l'IA agentique remplace l'ensemble fragmenté de solutions ponctuelles et d'outils d'IA non gérés sur lesquels de nombreuses organisations s'appuient aujourd'hui. Il s'agit d'une combinaison que les organisations réglementées réclamaient depuis longtemps : la liberté de choisir son modèle accompagnée d'une gouvernance forte, au sein de la même plateforme DevSecOps en laquelle elles ont déjà confiance.\n\n> Vous souhaitez essayer GitLab Duo Agent Platform ? [Contactez-nous ou commencez un essai gratuit dès aujourd'hui](https://about.gitlab.com/fr-fr/gitlab-duo-agent-platform/?utm_medium=blog&utm_source=blog&utm_campaign=eg_emea_x_trial_x_fr_blog_fr).\n\n-----------\n\n_Cet article de blog contient des « déclarations prospectives » au sens de la section 27A du Securities Act de 1933, tel que modifié, et de la section 21E du Securities Exchange Act de 1934. Bien que nous croyions que les attentes reflétées dans ces déclarations sont raisonnables, elles sont soumises à des risques, incertitudes, hypothèses et autres facteurs connus et inconnus qui peuvent entraîner des résultats ou des issues réels sensiblement différents. Des informations supplémentaires sur ces risques et autres facteurs sont incluses sous la rubrique « Facteurs de risque » dans nos dépôts auprès de la SEC. Nous ne nous engageons pas à mettre à jour ou à réviser ces déclarations après la date de cet article de blog, sauf si la loi l'exige._",[22,703,704],"product","features",{"featured":28,"template":12,"slug":706},"agentic-ai-enterprise-control-self-hosted-duo-agent-platform-and-byom",{"content":708,"config":720},{"description":709,"body":710,"title":711,"heroImage":712,"date":713,"authors":714,"category":9,"tags":716},"Ce guide explique comment déployer un agent d'IA basé sur l'Agent Development Kit vers Google Kubernetes Engine à l'aide de la plateforme DevSecOps de GitLab en toute simplicité et sécurité.","Créer des [agents d'IA](https://about.gitlab.com/fr-fr/gitlab-duo/agent-platform/) est passionnant, mais leur déploiement sécurisé en production est parfois compliqué. Dans ce tutoriel, vous découvrirez comment [l'intégration native de GitLab avec Google Cloud](https://cloud.google.com/blog/topics/partners/understand-the-google-cloud-gitlab-integration) facilite le déploiement d'agents d'IA vers Google Kubernetes Engine (GKE), avec scans de sécurité intégrés et sans clés de compte de service.\n\n\n\n## Pourquoi choisir GKE pour déployer vos agents d'IA ?\n\n\n\nGKE offre une orchestration d'entreprise qui s'intègre parfaitement aux pipelines [CI/CD](https://about.gitlab.com/fr-fr/topics/ci-cd/) de GitLab grâce à l'authentification OpenID Connect (OIDC). Votre équipe de développement peut déployer des agents d'IA tout en conservant une visibilité, une conformité et un contrôle complets sur votre infrastructure cloud. Ce guide utilise l'Agent Development Kit ([ADK](https://developers.googleblog.com/en/agent-development-kit-easy-to-build-multi-agent-applications/)) de Google afin de créer l'application, ce qui garantit une intégration fluide lors du déploiement avec GitLab.\n\n\n\nVoici trois avantages clés de cette approche :\n\n\n\n**Contrôle total de l'infrastructure :** vos données, vos règles, votre environnement. Vous conservez un contrôle complet sur l'emplacement d'exécution de vos agents d'IA et de leur configuration.\n\n\n\n **Intégration native avec GitLab :** pas de solution de contournement complexe. Vos pipelines existants fonctionnent immédiatement grâce à l'intégration native de GitLab avec Google Cloud.\n\n\n\n **Mise à l'échelle de niveau production :** GKE gère automatiquement la mise à l'échelle et l'orchestration interne à mesure que vos charges de travail d'IA augmentent.\n\n\n\nAvec GKE, GitLab offre la fiabilité d'entreprise dont vos déploiements d'IA ont besoin sans sacrifier l'expérience développeur que vos équipes attendent.\n\n\n\n## Prérequis\n\n\n\nAvant de commencer, assurez-vous d'avoir activé ces API :\n\n\n\n- API GKE\n\n\n- API Artifact Registry\n\n\n- API Vertex AI\n\n\n\nAssurez-vous également de disposer des éléments suivant :\n\n\n- Un projet GitLab créé\n\n\n- Un cluster GKE provisionné\n\n\n- Un dépôt Artifact Registry créé\n\n\n\n## Le processus de déploiement\n\n\n\n### 1. Configurer IAM et les autorisations sur GitLab\n\n\n\nAccédez à vos intégrations GitLab afin de configurer l'authentification Google Cloud (IAM).\n\n\n\nAccédez à **Paramètres > Intégrations** et configurez l'intégration Google Cloud. Si vous utilisez une intégration au niveau du groupe, notez que les paramètres par défaut sont déjà hérités par les projets. Il vous suffit donc de configurer vos paramètres une fois au niveau du groupe pour que tous les projets en bénéficient et les héritent.\n\n\n\nPour configurer les paramètres, vous devez fournir les éléments suivants :\n\n\n- ID du projet\n\n\n- Numéro du projet \n\n\n- ID du pool d'identités de charge de travail\n\n- ID du fournisseur\n\n\n\nUne fois ces informations renseignées, GitLab fournit un script à exécuter dans Google Cloud Console via Cloud Shell. Le résultat de l'exécution de ce script est un pool de fédération d'identité de charge de travail avec l'identité de service de compte principal nécessaire pour permettre l'accès approprié.\n\n\n### 2. Configurer l'intégration à Artifact Registry\n\n\n\nToujours dans les paramètres d'intégration de GitLab, configurez la gestion des artefacts :\n\n\n\n1. Cliquez sur **Gestion des artefacts**.\n\n\n2. Sélectionnez **Google Artifact Registry**.\n\n\n3. Indiquez les éléments suivants :\n      - ID du projet\n      - Nom du dépôt (créé au préalable)\n      - Emplacement du dépôt\n\nGitLab fournit un autre script à exécuter dans Google Cloud Console.\n\n\n\n**Important :** avant de continuer, ajoutez ces rôles supplémentaires au pool de fédération d'identité de charge de travail :\n\n\n- Utilisateur de compte de service\n\n\n- Développeur Kubernetes\n\n\n- Observateur de cluster Kubernetes\n\n\n\nCes autorisations permettent à GitLab de déployer vers GKE dans les étapes suivantes.\n\n\n\n### 3. Créer le pipeline CI/CD\n\n\n\nVoici maintenant la partie essentielle : la création du [pipeline CI/CD](https://about.gitlab.com/fr-fr/topics/ci-cd/cicd-pipeline/ \"Pipeline CI/CD\") pour le déploiement.\n\n\n\nAccédez à **Compilation > Éditeur de pipeline** et définissez votre pipeline en quatre étapes :\n\n\n\n* **Build :** Docker crée l'image de conteneur.\n\n\n\n* **Test :** GitLab Auto DevOps fournit des scans de sécurité intégrés afin de garantir l'absence de vulnérabilités.\n\n\n\n* **Importation :** utilise le composant CI/CD intégré de GitLab pour effectuer un push vers Google Artifact Registry.\n\n\n\n* **Déploiement :** utilise la configuration [Kubernetes](https://about.gitlab.com/fr-fr/blog/kubernetes-the-container-orchestration-solution/ \"Kubernetes\") pour déployer vers GKE.\n\n\n\nVoici le fichier `.gitlab-ci.yml` complet :\n\n\n    ```yaml\n\n\n\n    default:\n      tags: [ saas-linux-2xlarge-amd64 ]\n\n    stages:\n      - build\n      - test\n      - upload\n      - deploy\n\n    variables:\n      GITLAB_IMAGE: $CI_REGISTRY_IMAGE/main:$CI_COMMIT_SHORT_SHA\n      AR_IMAGE: $GOOGLE_ARTIFACT_REGISTRY_REPOSITORY_LOCATION-docker.pkg.dev/$GOOGLE_ARTIFACT_REGISTRY_PROJECT_ID/$GOOGLE_ARTIFACT_REGISTRY_REPOSITORY_NAME/main:$CI_COMMIT_SHORT_SHA\n      GCP_PROJECT_ID: \"your-project-id\"\n      GKE_CLUSTER: \"your-cluster\"\n      GKE_REGION: \"us-central1\"\n      KSA_NAME: \"ai-agent-ksa\"\n\n    build:\n      image: docker:24.0.5\n      stage: build\n      services:\n        - docker:24.0.5-dind\n      before_script:\n        - docker login -u $CI_REGISTRY_USER -p $CI_REGISTRY_PASSWORD $CI_REGISTRY\n      script:\n        - docker build -t $GITLAB_IMAGE .\n        - docker push $GITLAB_IMAGE\n\n    include:\n      - template: Jobs/Dependency-Scanning.gitlab-ci.yml\n      - template: Jobs/Container-Scanning.gitlab-ci.yml\n      - template: Jobs/Secret-Detection.gitlab-ci.yml\n      - component: gitlab.com/google-gitlab-components/artifact-registry/upload-artifact-registry@main\n        inputs:\n          stage: upload\n          source: $GITLAB_IMAGE\n          target: $AR_IMAGE\n\n    deploy:\n      stage: deploy\n      image: google/cloud-sdk:slim\n      identity: google_cloud\n      before_script:\n        - apt-get update && apt-get install -y kubectl google-cloud-sdk-gke-gcloud-auth-plugin\n        - gcloud container clusters get-credentials $GKE_CLUSTER --region $GKE_REGION --project $GCP_PROJECT_ID\n      script:\n        - |\n          kubectl apply -f - \u003C\u003CEOF\n          apiVersion: apps/v1\n          kind: Deployment\n          metadata:\n            name: ai-agent\n            namespace: default\n          spec:\n            replicas: 2\n            selector:\n              matchLabels:\n                app: ai-agent\n            template:\n              metadata:\n                labels:\n                  app: ai-agent\n              spec:\n                serviceAccountName: $KSA_NAME\n                containers:\n                - name: ai-agent\n                  image: $AR_IMAGE\n                  ports:\n                  - containerPort: 8080\n                  resources:\n                    requests: {cpu: 500m, memory: 1Gi}\n                    limits: {cpu: 2000m, memory: 4Gi}\n                  livenessProbe:\n                    httpGet: {path: /health, port: 8080}\n                    initialDelaySeconds: 60\n                  readinessProbe:\n                    httpGet: {path: /health, port: 8080}\n                    initialDelaySeconds: 30\n          ---\n          apiVersion: v1\n          kind: Service\n          metadata:\n            name: ai-agent-service\n            namespace: default\n          spec:\n            type: LoadBalancer\n            ports:\n            - port: 80\n              targetPort: 8080\n            selector:\n              app: ai-agent\n          ---\n          apiVersion: autoscaling/v2\n          kind: HorizontalPodAutoscaler\n          metadata:\n            name: ai-agent-hpa\n            namespace: default\n          spec:\n            scaleTargetRef:\n              apiVersion: apps/v1\n              kind: Deployment\n              name: ai-agent\n            minReplicas: 2\n            maxReplicas: 10\n            metrics:\n            - type: Resource\n              resource:\n                name: cpu\n                target: {type: Utilization, averageUtilization: 70}\n          EOF\n          \n          kubectl rollout status deployment/ai-agent -n default --timeout=5m\n          EXTERNAL_IP=$(kubectl get service ai-agent-service -n default -o jsonpath='{.status.loadBalancer.ingress[0].ip}')\n          echo \"Deployed at: http://$EXTERNAL_IP\"\n      only:\n        - main\n```\n\n\n#### Configuration essentielle pour GKE\n\n\n\nPour que tout fonctionne, et c'est la raison pour laquelle nous avons besoin de cette configuration supplémentaire pour GKE, nous devons disposer d'un compte de service Kubernetes dans le cluster qui peut fonctionner avec Vertex AI. Ce compte de service doit être autorisé à accéder aux capacités d'IA de Google Cloud.\n\n\n\nSans cela, nous pouvons déployer l'application, mais l'agent d'IA ne fonctionnera pas. Nous devons créer un compte de service Kubernetes capable d'accéder à Vertex AI.\n\n\n\nExécutez cette configuration ponctuelle :\n\n\n\n    ```bash\n\n\n\n    #!/bin/bash\n\n\n\n    PROJECT_ID=\"your-project-id\"\n\n\n\n    GSA_NAME=\"ai-agent-vertex\"\n\n\n\n    GSA_EMAIL=\"${GSA_NAME}@${PROJECT_ID}.iam.gserviceaccount.com\"\n\n\n\n    KSA_NAME=\"ai-agent-ksa\"\n\n\n\n    CLUSTER_NAME=\"your-cluster\"\n\n\n\n    REGION=\"us-central1\"\n\n\n\n\n    # Create GCP Service Account\n\n\n\n    gcloud iam service-accounts create $GSA_NAME \\\n        --display-name=\"AI Agent Vertex AI\" \\\n        --project=$PROJECT_ID\n\n    # Grant Vertex AI permissions\n\n\n\n    gcloud projects add-iam-policy-binding $PROJECT_ID \\\n        --member=\"serviceAccount:${GSA_EMAIL}\" \\\n        --role=\"roles/aiplatform.user\"\n\n    # Get cluster credentials\n\n\n\n    gcloud container clusters get-credentials $CLUSTER_NAME \\\n        --region $REGION --project $PROJECT_ID\n\n    # Create Kubernetes Service Account\n\n\n\n    kubectl create serviceaccount $KSA_NAME -n default\n\n\n\n\n    # Link accounts\n\n\n\n    kubectl annotate serviceaccount $KSA_NAME -n default \\\n        iam.gke.io/gcp-service-account=${GSA_EMAIL}\n\n    gcloud iam service-accounts add-iam-policy-binding ${GSA_EMAIL} \\\n        --role=roles/iam.workloadIdentityUser \\\n        --member=\"serviceAccount:${PROJECT_ID}.svc.id.goog[default/${KSA_NAME}]\" \\\n        --project=$PROJECT_ID\n```\n\n\n### 4. Déployer vers GKE\n\n\n\nUne fois que vous avez terminé, effectuez un push vers le pipeline et le tour est joué.\n\n\n\nLe pipeline vient d'être déployé. Accédez à **CI/CD > Pipelines** pour voir les quatre étapes :\n\n\n- Build\n\n\n- Test (avec tous les scans de sécurité définis)\n\n\n- Importation vers Artifact Registry (réussie)\n\n\n- Déploiement vers Kubernetes dans GKE (réussi)\n\n\n\n## Résumé\n\n\n\nAvec GitLab et Google Cloud, vous êtes en mesure de déployer votre agent d'IA vers GKE en toute simplicité et sécurité en quelques étapes seulement grâce à l'intégration native de GitLab avec Google Cloud.\n\n\nRegardez cette démo :\n\n\n\u003C!-- blank line -->\n\n\u003Cfigure class=\"video_container\">\n  \u003Ciframe src=\"https://www.youtube.com/embed/mc2pCL5Qjus?si=QoH02lvz5KH5Ku9O\" frameborder=\"0\" allowfullscreen=\"true\"> \u003C/iframe>\n\u003C/figure>\n\n\u003C!-- blank line -->\n\n\n> Utilisez [l'exemple de code complet de ce tutoriel](https://gitlab.com/gitlab-partners-public/google-cloud/demos/gke-ai-agent) pour commencer dès maintenant. Vous n’utilisez pas encore GitLab ? Découvrez la plateforme DevSecOps et profitez d'[un essai gratuit](https://about.gitlab.com/fr-fr/free-trial/). Les startups hébergées sur Google Cloud disposent d'[une offre spéciale pour essayer et utiliser GitLab](https://about.gitlab.com/fr-fr/solutions/startups/google-cloud/).","Déploiement sécurisé d'agents d'IA sur GKE","https://res.cloudinary.com/about-gitlab-com/image/upload/f_auto,q_auto,c_lfill/v1749670563/Blog/Hero%20Images/cloudcomputing.jpg","2026-02-06",[715],"Regnard Raquedan",[22,717,718,719],"google","cloud native","tutorial",{"featured":11,"template":12,"slug":721},"secure-ai-agent-deployment-to-gke",{"promotions":723},[724,737,748],{"id":725,"categories":726,"header":727,"text":728,"button":729,"image":734},"ai-modernization",[9],"Is AI achieving its promise at scale?","Quiz will take 5 minutes or less",{"text":730,"config":731},"Get your AI maturity score",{"href":732,"dataGaName":733,"dataGaLocation":246},"/assessments/ai-modernization-assessment/","modernization assessment",{"config":735},{"src":736},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138786/qix0m7kwnd8x2fh1zq49.png",{"id":738,"categories":739,"header":740,"text":728,"button":741,"image":745},"devops-modernization",[703,38],"Are you just managing tools or shipping innovation?",{"text":742,"config":743},"Get your DevOps maturity score",{"href":744,"dataGaName":733,"dataGaLocation":246},"/assessments/devops-modernization-assessment/",{"config":746},{"src":747},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138785/eg818fmakweyuznttgid.png",{"id":749,"categories":750,"header":752,"text":728,"button":753,"image":757},"security-modernization",[751],"security","Are you trading speed for security?",{"text":754,"config":755},"Get your security maturity score",{"href":756,"dataGaName":733,"dataGaLocation":246},"/assessments/security-modernization-assessment/",{"config":758},{"src":759},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1772138786/p4pbqd9nnjejg5ds6mdk.png",{"header":761,"blurb":762,"button":763,"secondaryButton":767},"Commencez à développer plus rapidement dès aujourd'hui","Découvrez ce que votre équipe peut accomplir avec la plateforme d'orchestration intelligente pour le DevSecOps.\n",{"text":48,"config":764},{"href":765,"dataGaName":51,"dataGaLocation":766},"https://gitlab.com/-/trial_registrations/new?glm_content=default-saas-trial&glm_source=about.gitlab.com/fr-fr/","feature",{"text":53,"config":768},{"href":55,"dataGaName":56,"dataGaLocation":766},1772652099215]